龍虎 張小梅

摘? 要： 多媒體原始數(shù)據(jù)總量巨大，給信號(hào)的存儲(chǔ)及傳輸帶來(lái)很大困難，致使數(shù)據(jù)弱關(guān)聯(lián)能力不斷降低，為解決此問題，提出基于大數(shù)據(jù)的多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法。利用弱關(guān)聯(lián)數(shù)據(jù)挖掘結(jié)果構(gòu)建大數(shù)據(jù)查詢集合，并對(duì)相關(guān)多媒體數(shù)據(jù)進(jìn)行修補(bǔ)，完成基于大數(shù)據(jù)的多媒體弱關(guān)聯(lián)數(shù)據(jù)查詢。在此基礎(chǔ)上，量化處理智能數(shù)據(jù)塊，根據(jù)弱關(guān)聯(lián)數(shù)據(jù)集的映射結(jié)果，確定壓縮序列，實(shí)現(xiàn)基于大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法的建立。對(duì)比實(shí)驗(yàn)結(jié)果表明，與一般性壓縮方法相比，應(yīng)用智能壓縮方法后，信號(hào)數(shù)據(jù)的存儲(chǔ)總量得到提升，單位傳輸速率也得到適當(dāng)促進(jìn)，為維護(hù)多媒體原始數(shù)據(jù)的弱關(guān)聯(lián)能力提供了保障。

關(guān)鍵詞： 數(shù)據(jù)智能壓縮; 弱關(guān)聯(lián)數(shù)據(jù)查詢; 大數(shù)據(jù); 數(shù)據(jù)挖掘; 數(shù)據(jù)修補(bǔ); 量化處理; 壓縮序列確定

中圖分類號(hào)： TN919.5?34; TP397? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）19?0102?04

Abstract： In order to solve the problem that the huge amount of multimedia original data has brought great difficulties to the storage and transmission of signals， resulting in the continuous decline of weak correlation ability of data， a multimedia weakly?associated data intelligent compression method based on big data is proposed. The results of weakly?associated data mining is adopted to build the big data query set， repair the related multimedia data， and complete the multimedia weakly?associated data query based on big data. On this basis， the intelligent data blocks are processed quantitatively， and the compression sequences are determined according to the mapping results of weakly?associated data sets， so as to realize the establishment of the multimedia weakly?associated data intelligent compression method based on big data. The results of contrast experiment show that， in comparison with the general compression methods， the intelligent compression method can increase the total storage amount of signal data， promote the unit transmission rate appropriately， and provide a guarantee for the weak correlation ability of multimedia original data.

Keywords： data intelligent compression; weakly?associated data query; big data; data mining; data patching; quantitative processing; compressed sequence determination

0? 引? 言

數(shù)據(jù)壓縮是一種新型的數(shù)據(jù)重組方法，在確保不出現(xiàn)有用信息丟失的前提下，縮減原始數(shù)據(jù)總量，并以此達(dá)到控制數(shù)據(jù)存儲(chǔ)空間的目的，在提高數(shù)據(jù)信號(hào)傳輸效率、數(shù)據(jù)信號(hào)處理效率等方面具有極強(qiáng)的促進(jìn)作用。常見的數(shù)據(jù)壓縮包括無(wú)損壓縮、有損壓縮兩大基本類型。在計(jì)算機(jī)云計(jì)算領(lǐng)域，數(shù)據(jù)壓縮、源編碼等操作都是利用數(shù)據(jù)位元表示關(guān)聯(lián)信息的物理過程，且在整個(gè)操作過程中，數(shù)據(jù)位元結(jié)構(gòu)始終作為其他信息的相關(guān)表示單位。無(wú)論何種形式的網(wǎng)絡(luò)通信，只有在信息發(fā)送方和接收方同時(shí)理解關(guān)聯(lián)編碼機(jī)制的情況下，數(shù)據(jù)壓縮手段才能保持良好的工作狀態(tài)[1?2]。數(shù)據(jù)壓縮操作的實(shí)質(zhì)其實(shí)是文件壓縮，所謂數(shù)據(jù)只是泛指任何具有數(shù)字化能力的信息，包含計(jì)算機(jī)網(wǎng)絡(luò)中涉及的所有文件類型。但在特殊情況下，數(shù)據(jù)則專指具有時(shí)間特性的文字信息。這類待壓縮信息常被用以進(jìn)行即時(shí)采集或傳輸。在過去很長(zhǎng)的一段時(shí)間內(nèi)，我國(guó)相關(guān)研究領(lǐng)域依靠SAR技術(shù)對(duì)多媒體數(shù)據(jù)進(jìn)行矢量化處理，再利用BAQ算法獲取其中的主要節(jié)點(diǎn)信息，并根據(jù)均勻量化法則對(duì)其進(jìn)行深入的壓縮處理。但隨著多媒體原始數(shù)據(jù)總量的不斷增加，這種方法影響下的信號(hào)傳輸及存儲(chǔ)行為始終不能達(dá)到預(yù)期水平，進(jìn)而造成數(shù)據(jù)間的弱關(guān)聯(lián)能力不斷降低。為避免上述情況的發(fā)生，在大數(shù)據(jù)理念的支持下，借助量化處理等手段，建立一種新型的多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法，并設(shè)計(jì)針對(duì)性實(shí)驗(yàn)，突出說明該壓縮方法的實(shí)際應(yīng)用價(jià)值。

1? 基于大數(shù)據(jù)的多媒體弱關(guān)聯(lián)數(shù)據(jù)查詢

基于大數(shù)據(jù)的多媒體弱關(guān)聯(lián)數(shù)據(jù)查詢是新型智能壓縮方法建立的基礎(chǔ)環(huán)節(jié)，在弱關(guān)聯(lián)數(shù)據(jù)挖掘、查詢集合構(gòu)建等步驟的支持下，其具體操作方法可按如下流程進(jìn)行。

1.1? 弱關(guān)聯(lián)數(shù)據(jù)挖掘

弱關(guān)聯(lián)數(shù)據(jù)挖掘是查詢算法實(shí)現(xiàn)的基礎(chǔ)操作步驟，在面對(duì)總量龐大的多媒體原始數(shù)據(jù)時(shí)，可根據(jù)相鄰數(shù)據(jù)組織間的聯(lián)系緊密程度，確定精準(zhǔn)的信息特征維度條件，并根據(jù)其中的約束條件，對(duì)待處理的多媒體數(shù)據(jù)進(jìn)行重排處理。簡(jiǎn)單來(lái)說，弱關(guān)聯(lián)數(shù)據(jù)挖掘是一項(xiàng)促使信息連接打破再重新排列的應(yīng)用處理手段。在所有多媒體數(shù)據(jù)的信息聯(lián)系能力都不發(fā)生改變時(shí)，弱關(guān)聯(lián)屬性成為影響數(shù)據(jù)排列的唯一物理?xiàng)l件[3?4]。所謂挖掘也叫適度連接，是將現(xiàn)存于大數(shù)據(jù)網(wǎng)絡(luò)中的所有多媒體數(shù)據(jù)，按照一定關(guān)聯(lián)影響進(jìn)行對(duì)應(yīng)連接，再整合所有完成連接的物理結(jié)構(gòu)，將其進(jìn)行打包關(guān)聯(lián)，并設(shè)置專門的獨(dú)立組織用以存儲(chǔ)這類弱關(guān)聯(lián)數(shù)據(jù)，等待下一次執(zhí)行處理指令的連接申請(qǐng)。完整的弱關(guān)聯(lián)數(shù)據(jù)挖掘處理原則如圖1所示。

1.2? 大數(shù)據(jù)查詢集合構(gòu)建

大數(shù)據(jù)查詢集合是關(guān)于弱關(guān)聯(lián)數(shù)據(jù)的挖掘存儲(chǔ)空間，具備較強(qiáng)的物理承載能力，且不對(duì)其中所包含的數(shù)據(jù)信息數(shù)量進(jìn)行嚴(yán)格限制。雖無(wú)明確限制集合內(nèi)多媒體弱關(guān)聯(lián)數(shù)據(jù)的具體數(shù)量情況，但常規(guī)情況下，滿足壓縮需求的集合結(jié)構(gòu)中必須包含挖掘頭信息、挖掘?qū)嶓w信息、挖掘尾信息三類基本數(shù)據(jù)類型[5?6]。所謂挖掘頭信息是指直接接觸弱關(guān)聯(lián)數(shù)據(jù)挖掘結(jié)果的大數(shù)據(jù)節(jié)點(diǎn)，常表示為[ya];挖掘?qū)嶓w信息是對(duì)弱關(guān)聯(lián)法則的深入解釋說明，是大數(shù)據(jù)查詢集合中不可或缺的重要組成條件，常表示為[yb];挖掘尾信息是壓縮方法指定的主要物理依據(jù)，與多媒體數(shù)據(jù)總量、弱關(guān)聯(lián)系數(shù)等物理?xiàng)l件均不產(chǎn)生直接關(guān)聯(lián)影響，常表示為[yc]，聯(lián)立[ya]，[yb]，[yc]，可將大數(shù)據(jù)查詢集合表示為：

式中：[t]代表大數(shù)據(jù)查詢集合中的任意多媒體弱關(guān)聯(lián)數(shù)據(jù);[μ]，[λ]分別代表兩個(gè)不相關(guān)的大數(shù)據(jù)智能壓縮指標(biāo)向量，在特定情況下，[μ=λ]與[μ≠λ]同時(shí)成立;[e]代表與挖掘?qū)嶓w信息相關(guān)的冪次項(xiàng)系數(shù)。

1.3? 多媒體數(shù)據(jù)修補(bǔ)

多媒體數(shù)據(jù)修補(bǔ)是在大數(shù)據(jù)查詢集合的基礎(chǔ)上，對(duì)最終智能化數(shù)據(jù)壓縮結(jié)果提出的一項(xiàng)精確化限制要求，與弱關(guān)聯(lián)數(shù)據(jù)挖掘相比，多媒體數(shù)據(jù)修補(bǔ)可直接針對(duì)大數(shù)據(jù)環(huán)境中的薄弱部分，并對(duì)其進(jìn)行具有指向性的整合促進(jìn)。在對(duì)多媒體弱關(guān)聯(lián)數(shù)據(jù)進(jìn)行修補(bǔ)的過程中，首先應(yīng)該對(duì)大數(shù)據(jù)查詢集合進(jìn)行初步搜索，并篩選出其中的關(guān)鍵信息成分，再根據(jù)弱關(guān)聯(lián)規(guī)則中對(duì)于壓縮結(jié)果的限制情況，選擇性地生成一個(gè)或多個(gè)修補(bǔ)備選數(shù)據(jù)包，其中不僅包含所有從大數(shù)據(jù)查詢集合中選取的所有信息結(jié)構(gòu)，也必須包含具有壓縮索引功能的關(guān)聯(lián)表單結(jié)構(gòu)[7?8]。然后再將所有信息結(jié)構(gòu)按照弱關(guān)聯(lián)數(shù)據(jù)挖掘規(guī)則進(jìn)行排列，以保證后續(xù)壓縮處理過程中不出現(xiàn)明顯的數(shù)據(jù)混亂行為。最后，再利用大數(shù)據(jù)媒體環(huán)境，對(duì)已經(jīng)存在明顯弱關(guān)聯(lián)影響的數(shù)據(jù)結(jié)構(gòu)進(jìn)行壓縮修補(bǔ)處理，進(jìn)而提升信號(hào)結(jié)構(gòu)的存儲(chǔ)及傳輸能力水平。完整的多媒體數(shù)據(jù)修補(bǔ)流程圖如圖2所示。

2? 數(shù)據(jù)智能壓縮方法的實(shí)現(xiàn)

在大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)查詢的基礎(chǔ)上，按照智能數(shù)據(jù)塊量化處理、弱關(guān)聯(lián)數(shù)據(jù)集合映射建立、壓縮序列確定的操作流程，實(shí)現(xiàn)基于大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法的順利應(yīng)用。

2.1? 智能數(shù)據(jù)塊量化處理

智能數(shù)據(jù)塊量化處理按照關(guān)聯(lián)性程度對(duì)待壓縮多媒體數(shù)據(jù)進(jìn)行層次結(jié)構(gòu)上的劃分，通常情況下，弱關(guān)聯(lián)程度相對(duì)較高的多媒體數(shù)據(jù)集合排列在前，弱關(guān)聯(lián)程度相對(duì)較低的多媒體數(shù)據(jù)集合排列在后。所謂量化是在結(jié)構(gòu)層次上對(duì)多媒體數(shù)據(jù)進(jìn)行的關(guān)聯(lián)性整合處理，既包含對(duì)大數(shù)據(jù)集合的初步壓縮，也包含在剩余多媒體數(shù)據(jù)中篩選全新的弱關(guān)聯(lián)結(jié)構(gòu)，用以填補(bǔ)已被智能壓縮操作消耗的大數(shù)據(jù)分子[9?10]。假設(shè)在不進(jìn)行外界干擾的情況下，多媒體弱關(guān)聯(lián)數(shù)據(jù)始終保持原有的存在狀態(tài)，相連大數(shù)據(jù)結(jié)構(gòu)間也不會(huì)出現(xiàn)明顯的制約行為。但隨著智能數(shù)據(jù)塊量化處理手段的深入，多媒體數(shù)據(jù)間開始出現(xiàn)明顯的弱關(guān)聯(lián)影響關(guān)系，且隨著整體大數(shù)據(jù)環(huán)境的不斷變化，越來(lái)越多的多媒體數(shù)據(jù)開始離開原始位置，不斷靠近與之保持弱關(guān)聯(lián)影響的對(duì)應(yīng)數(shù)據(jù)結(jié)構(gòu)，進(jìn)而形成多個(gè)明顯的智能量化數(shù)據(jù)塊組織[11]。詳細(xì)的智能數(shù)據(jù)塊量化執(zhí)行原理如圖3所示。

2.2? 弱關(guān)聯(lián)數(shù)據(jù)集映射

弱關(guān)聯(lián)數(shù)據(jù)集映射是由多媒體大數(shù)據(jù)指向智能壓縮數(shù)據(jù)體的定向關(guān)聯(lián)行為，與數(shù)據(jù)塊量化處理結(jié)果、數(shù)據(jù)修補(bǔ)結(jié)果等多項(xiàng)物理?xiàng)l件產(chǎn)生直接影響關(guān)系。簡(jiǎn)單來(lái)說，弱關(guān)聯(lián)數(shù)據(jù)集映射可以理解為一種邏輯連接關(guān)系，在一般性關(guān)聯(lián)法則的影響下，把散亂分布的多媒體大數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換成可壓縮的數(shù)據(jù)包形式，并將其與大數(shù)據(jù)查詢集合中的數(shù)據(jù)參量進(jìn)行對(duì)比，進(jìn)而確定其中弱關(guān)聯(lián)法則的影響程度，再根據(jù)判斷結(jié)果，對(duì)所有多媒體大數(shù)據(jù)體進(jìn)行分類整合轉(zhuǎn)存，進(jìn)而縮短信號(hào)數(shù)據(jù)傳輸存儲(chǔ)所需的消耗時(shí)間[12?13]。從數(shù)值結(jié)構(gòu)的角度來(lái)看，弱關(guān)聯(lián)數(shù)據(jù)集映射中，必須包含與多媒體大數(shù)據(jù)結(jié)構(gòu)類型相關(guān)的限制向量[k]，并利用該指標(biāo)向量規(guī)劃后續(xù)壓縮操作的實(shí)際數(shù)據(jù)步長(zhǎng)值[h]，聯(lián)立式（1）可將弱關(guān)聯(lián)數(shù)據(jù)集的映射結(jié)果表示為：

式中：[g]表示弱關(guān)聯(lián)數(shù)據(jù)集中的任意映射數(shù)值;[f]表示弱關(guān)聯(lián)系數(shù)條件;[ω]表示弱關(guān)聯(lián)映射的冪次項(xiàng)執(zhí)行系數(shù)。

2.3? 壓縮序列確定

壓縮序列是輔助多媒體弱關(guān)聯(lián)數(shù)據(jù)進(jìn)行智能壓縮的核心影響條件，與數(shù)據(jù)集映射、大數(shù)據(jù)鏈模型等多項(xiàng)物理數(shù)值產(chǎn)生關(guān)聯(lián)性影響。根據(jù)上文可知，數(shù)據(jù)集映射限定了多媒體大數(shù)據(jù)體間的弱關(guān)聯(lián)影響水平，并以此為條件，限定后續(xù)壓縮操作所需的數(shù)據(jù)性關(guān)聯(lián)結(jié)果。大數(shù)據(jù)鏈模型是一種具備弱關(guān)聯(lián)能力的物理向量條件，能夠在限定大數(shù)據(jù)偏移情況的基礎(chǔ)上，根據(jù)智能壓縮法則的具體要求，選擇性地執(zhí)行這種數(shù)據(jù)層面的物理指令[14?15]。對(duì)于壓縮序列結(jié)構(gòu)來(lái)說，多媒體弱關(guān)聯(lián)數(shù)據(jù)的存在與普通大數(shù)據(jù)結(jié)構(gòu)并無(wú)本質(zhì)性區(qū)別，只不過在關(guān)聯(lián)性法則的作用下，原始數(shù)據(jù)能夠在更短時(shí)間內(nèi)趨向于與其自身相關(guān)的定向數(shù)據(jù)結(jié)構(gòu)，進(jìn)而縮短后續(xù)壓縮處理所需的物理應(yīng)用時(shí)間，達(dá)到促進(jìn)快速傳輸?shù)哪康?。設(shè)[s1]，[s2]代表兩個(gè)不同的多媒體數(shù)據(jù)弱關(guān)聯(lián)系數(shù)，聯(lián)立式（2）可將智能壓縮方法的壓縮序列表示為：

式中：[c]表示智能壓縮積分操作的下限數(shù)值;[R]表示與多媒體大數(shù)據(jù)結(jié)構(gòu)相關(guān)的關(guān)聯(lián)性條件;[v]表示一階壓縮導(dǎo)數(shù);[?]表示二階壓縮導(dǎo)數(shù)。至此，完成所有數(shù)值準(zhǔn)備工作，在上述理論依據(jù)的支持下，實(shí)現(xiàn)基于大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法的順利應(yīng)用。

3? 實(shí)驗(yàn)與討論

為驗(yàn)證基于大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法的實(shí)用性能力，設(shè)計(jì)如下對(duì)比實(shí)驗(yàn)。在確保外界影響因素不發(fā)生改變的前提下，以2臺(tái)配置相同的計(jì)算機(jī)作為實(shí)驗(yàn)儀器，其中實(shí)驗(yàn)組計(jì)算機(jī)搭載智能壓縮方法，對(duì)照組計(jì)算機(jī)搭載一般性壓縮方法，在相同實(shí)驗(yàn)時(shí)間內(nèi)，記錄應(yīng)用實(shí)驗(yàn)組、對(duì)照組壓縮方法后，相關(guān)實(shí)驗(yàn)數(shù)據(jù)的變化情況。

3.1? 實(shí)驗(yàn)準(zhǔn)備

實(shí)驗(yàn)環(huán)境及相關(guān)實(shí)驗(yàn)參數(shù)配置情況見表1。

出于公平性考慮，除所采用壓縮方法不同外，實(shí)驗(yàn)組、對(duì)照組實(shí)驗(yàn)參數(shù)始終保持一致。

3.2? 信號(hào)數(shù)據(jù)存儲(chǔ)總量對(duì)比

在弱關(guān)聯(lián)傳導(dǎo)系數(shù)等于0.32的條件下，以50 min作為實(shí)驗(yàn)時(shí)間，分別記錄在該段時(shí)間內(nèi)，應(yīng)用實(shí)驗(yàn)組、對(duì)照組壓縮方法后，信號(hào)數(shù)據(jù)存儲(chǔ)總量的變化情況，如表2所示。

對(duì)比表1，表2可知，實(shí)驗(yàn)組信號(hào)數(shù)據(jù)存儲(chǔ)總量呈現(xiàn)階梯狀上升的變化趨勢(shì)，整個(gè)實(shí)驗(yàn)過程中的最大值達(dá)到8.1×1013 GB，與理想上限極值7.9×1013 GB相比，上升了0.2×1013 GB;對(duì)照組信號(hào)數(shù)據(jù)存儲(chǔ)總量呈現(xiàn)上升、穩(wěn)定、下降的變化趨勢(shì)，整個(gè)實(shí)驗(yàn)過程中的最大值達(dá)到5.1×1013 GB，與理想極值7.9×1013 GB相比，下降了2.8×1013 GB，更遠(yuǎn)低于實(shí)驗(yàn)組數(shù)值。綜上可知，在弱關(guān)聯(lián)傳導(dǎo)系數(shù)等于0.32的條件下，應(yīng)用基于大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法，可使信號(hào)數(shù)據(jù)存儲(chǔ)總量不斷提升，進(jìn)而達(dá)到加強(qiáng)數(shù)據(jù)間弱關(guān)聯(lián)能力水平的目的。

3.3? 數(shù)據(jù)單位傳輸速率對(duì)比

在大數(shù)據(jù)壓縮系數(shù)等于0.51，以50 min作為實(shí)驗(yàn)時(shí)間，分別記錄在該段時(shí)間內(nèi)，應(yīng)用實(shí)驗(yàn)組、對(duì)照組壓縮方法后，數(shù)據(jù)單位傳輸速率的變化情況，實(shí)驗(yàn)詳情如圖4所示。

分析圖4可知，隨著實(shí)驗(yàn)時(shí)間的增加，實(shí)驗(yàn)組、對(duì)照組數(shù)據(jù)單位傳輸速率都呈現(xiàn)來(lái)回波動(dòng)的變化趨勢(shì)，在整個(gè)實(shí)驗(yàn)過程中，實(shí)驗(yàn)組數(shù)據(jù)單位傳輸速率的最大值達(dá)到4.3×109 GB/min，與理想極值3.0×109 GB/min相比，上升了1.3×109 GB/min;對(duì)照組數(shù)據(jù)單位傳輸速率的最大值僅為1.7×109 GB/min，與理想極值3.0×109 GB/min相比，下降了1.3×109 GB/min，更遠(yuǎn)低于實(shí)驗(yàn)組數(shù)值。

綜上可知，在大數(shù)據(jù)壓縮系數(shù)等于0.51，應(yīng)用基于大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法，可使數(shù)據(jù)單位傳輸速率在整個(gè)實(shí)驗(yàn)過程中呈現(xiàn)均勻上升的變化趨勢(shì)，為促進(jìn)數(shù)據(jù)間弱關(guān)聯(lián)能力水平提供保障。

4? 結(jié)? 語(yǔ)

在一般性壓縮方法的基礎(chǔ)上，基于大數(shù)據(jù)多媒體弱關(guān)聯(lián)數(shù)據(jù)智能壓縮方法，利用弱關(guān)聯(lián)數(shù)據(jù)挖掘法則建立大數(shù)據(jù)查詢集合，并對(duì)現(xiàn)有多媒體數(shù)據(jù)進(jìn)行修補(bǔ)。從執(zhí)行穩(wěn)定性角度來(lái)看，隨著這種新型壓縮方法的應(yīng)用，數(shù)據(jù)信號(hào)的壓縮與傳輸能力均得到適度提升，由多媒體原始數(shù)據(jù)總量過大引起的信息弱關(guān)聯(lián)能力降低等問題也得到有效解決。

參考文獻(xiàn)

[1] 楊維，張弦，王樂之，等.基于小波變換特征提取技術(shù)實(shí)現(xiàn)用電負(fù)荷數(shù)據(jù)壓縮與脫敏存儲(chǔ)[J].電子設(shè)計(jì)工程，2019，27（8）：104?109.

[2] 孫豐杰，王承民，謝寧.面向智能電網(wǎng)大數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘的頻繁模式網(wǎng)絡(luò)模型[J].電力自動(dòng)化設(shè)備，2018，38（5）：110?116.

[3] 李慧靜，金曉民，井雅，等.智能型紅外遙控器中信號(hào)接收與壓縮方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2018，39（4）：1006?1010.

[4] 鄒月嫻，余嘉勝，陳澤晗，等.圖像分類卷積神經(jīng)網(wǎng)絡(luò)的特征選擇模型壓縮方法[J].控制理論與應(yīng)用，2017，34（6）：746?752.

[5] 朝魯，彭曉暉，徐志偉.變熵畫像：一種數(shù)量級(jí)壓縮物端數(shù)據(jù)的多粒度信息模型[J].計(jì)算機(jī)研究與發(fā)展，2018，55（8）：1653?1666.

[6] 陳曉，黃傳金.n?FFT壓縮感知降維智能方法及其在齒輪系統(tǒng)故障特征提取與分類中應(yīng)用研究[J].機(jī)械強(qiáng)度，2019，41（1）：26?32.

[7] 張學(xué)顯，劉偉，余彪，等.數(shù)據(jù)驅(qū)動(dòng)的智能車輛目標(biāo)檢測(cè)能力測(cè)試評(píng)價(jià)方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（11）：249?253.

[8] 閻博，張昊，郭子明，等.基于多源數(shù)據(jù)融合的電網(wǎng)故障綜合分析與智能告警技術(shù)研究與應(yīng)用[J].中國(guó)電力，2018，51（2）：39?46.

[9] 袁建虎，韓濤，唐建，等.基于小波時(shí)頻圖和CNN的滾動(dòng)軸承智能故障診斷方法[J].機(jī)械設(shè)計(jì)與研究，2017，33（2）：93?97.

[10] 許學(xué)添，鄒同浩.基于弱關(guān)聯(lián)挖掘的網(wǎng)絡(luò)取證數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)測(cè)量與控制，2017，25（1）：123?126.

[11] 李鵬飛，劉春宇，海軍.云計(jì)算環(huán)境下關(guān)聯(lián)性大數(shù)據(jù)實(shí)時(shí)流式可控聚類算法[J].科學(xué)技術(shù)與工程，2018，18（7）：185?190.

[12] LUO Wenchang， GU Boyuan， LIN Guohui. Communication scheduling in data gathering networks of heterogeneous sensors with data compression： algorithms and empirical experiments [J]. European journal of operational research， 2018， 271（2）： 462?473.

[13] ATEMKENG M T， SMIRNOV O M， TASSE C， et al. Using baseline?dependent window functions for data compression and field?of?interest shaping in radio interferometry [J]. Monthly notices of the royal astronomical society， 2016， 462（3）： 2542?2558.

[14] KUMAR A， KUMAR M， KOMARAGIRI R. Design of a biorthogonal wavelet transform based R?peak detection and data compression scheme for implantable cardiac pacemaker systems [J]. Journal of medical systems， 2018， 42（6）： 102?105.

[15] 樊慶富，張磊，劉磊軍，等.基于偏移量計(jì)算的在線GPS軌跡數(shù)據(jù)壓縮[J].計(jì)算機(jī)工程與應(yīng)用，2017，53（8）：254?259.